رباتهای جراحی در حال دریافت کمکخلبان هوش مصنوعی هستند — و FDA قوانین را در زمان واقعی مینویسد
بازار رباتهای جراحی بیش از دو دهه قدمت دارد. سیستم da Vinci از Intuitive Surgical از سال ۲۰۰۰ در اتاقهای عمل حضور داشته است و تا سال ۲۰۲۵ بیش از ۱۲ میلیون عمل جراحی در سراسر جهان با آن انجام شده است. در بیشتر این مدت، این سیستمها سیستمهای دوراپراسیون بودند — ربات حرکات جراح را با دقت اجرا میکرد، با فیلتر کردن لرزش دست و مقیاسبندی حرکات، اما بدون هیچ تصمیمگیری خودکار. جراح کاملاً در حلقه کنترل باقی میماند.
این وضعیت در حال تغییر است. نسل فعلی رباتهای جراحی لایههای هوش مصنوعی را اضافه میکند که کار واقعاً متفاوتی انجام میدهند: تحلیل دادههای حین عمل در زمان واقعی و ارائه توصیهها — یا در موارد محدود، انجام اقدامات خودکار محدود — در طول عمل. چارچوبهای نظارتی و مسئولیت برای این قابلیت جدید در حالی ساخته میشوند که فناوری در حال استقرار است.
جراحی با کمک هوش مصنوعی امروز واقعاً چه کاری انجام میدهد
پیشرفتهترین نمونه تجاری ادغام هوش مصنوعی در رباتهای جراحی، سیستم Mako SmartRobotics از Stryker برای تعویض مفصل است. Mako از تصویربرداری CT قبل از عمل برای ایجاد یک مدل سهبعدی از آناتومی بیمار استفاده میکند و در طول جراحی، حرکت بازوی ربات را به یک منطقه امن از پیش تعیین شده در اطراف برنامه جراحی محدود میکند. جراح ابزار را هدایت میکند؛ ربات مرزهای برنامه را اعمال میکند. این سیستم «بازخورد لمسی» در مطالعات بالینی نشان داده است که دقت قرارگیری ایمپلنت را نسبت به جراحی معمولی بهبود میبخشد.
سیستم da Vinci 5 از Intuitive Surgical که در سال ۲۰۲۴ منتشر شد، گامی فراتر میگذارد: این سیستم شامل تحلیلهای حین عمل است که نیروی اعمال شده در هنگام دستکاری بافت را نظارت کرده و مشکلات بالقوه را در زمان واقعی علامتگذاری میکند. این شرکت پتنتهایی برای سیستمهایی ثبت کرده است که میتوانند کمک فعال — نه فقط نظارت — در طول عمل ارائه دهند، اگرچه این سیستمها هنوز در مرحله توسعه هستند.
شرکتهای کوچکتر فراتر میروند. سیستم ActivSight از Activ Surgical از بینایی کامپیوتری برای کمک به جراحان در شناسایی ساختارهایی (اعصاب، عروق) که با چشم غیرمسلح دشوار است، استفاده میکند و خطر آسیب ناخواسته را کاهش میدهد. Caresyntax در حال ساخت یک پلتفرم تحلیل اتاق عمل است که ویدئو را از چندین دوربین پردازش میکند تا بازخورد عملکرد لحظهای و پیشبینی عوارض را ارائه دهد.
مرز نظارتی
چارچوب موجود FDA برای رباتهای جراحی آنها را بسته به ریسک به عنوان دستگاههای پزشکی کلاس II یا کلاس III طبقهبندی میکند — یک سیستم طبقهبندی که حول قابلیتهای سختافزاری ثابت ساخته شده است، نه نرمافزاری که یاد میگیرد و تطبیق مییابد. سیستمهای هوش مصنوعی در رباتهای جراحی یک دسته از ریسک را معرفی میکنند که چارچوب موجود به طور شفاف به آن نمیپردازد: چه اتفاقی میافتد زمانی که یک توصیه هوش مصنوعی مبتنی بر دادههای آموزشی با نیازهای خاص بیمار متفاوت است؟
FDA از سال ۲۰۱۹ چارچوب خود را برای دستگاههای پزشکی مجهز به هوش مصنوعی توسعه میدهد. سند راهنمای ۲۰۲۳ آن مفهوم «برنامههای کنترل تغییر از پیش تعیین شده» را ایجاد کرد — اساساً به دستگاههای پزشکی هوش مصنوعی اجازه میدهد در مرزهای تعریف شده بهروزرسانی شوند بدون نیاز به ارائه 510(k) جدید برای هر بهروزرسانی نرمافزاری. این یک سازگاری عملی مهم است: نیاز به بررسی کامل نظارتی برای هر بهروزرسانی مدل، هوش مصنوعی تطبیقی را در دستگاههای پزشکی غیرعملی میکند.
اما سؤال دشوارتر — مسئولیت زمانی که یک توصیه هوش مصنوعی به یک نتیجه بد منجر شود — از نظر قانونی حلنشده باقی میماند. قانون فعلی قصور پزشکی مسئولیت را بر عهده پزشک عامل میگذارد. اگر یک جراح از توصیه یک سیستم هوش مصنوعی پیروی کند و بیمار آسیب ببیند، پزشک تحت اکثر تفاسیر فعلی همچنان از نظر قانونی مسئول است. این یک پارادوکس ایجاد میکند: سیستمهای هوش مصنوعی به عنوان پشتیبانی تصمیمگیری بازاریابی میشوند، اما جراح نمیتواند از نظر قانونی تصمیم را به طور کامل به هوش مصنوعی واگذار کند. نتیجه عملی این است که بیشتر سیستمهای جراحی هوش مصنوعی به دقت به عنوان «ابزارهای اطلاعاتی» قرار میگیرند، نه تصمیمگیرندگان، دقیقاً برای حفظ موقعیت مسئولیت جراح.
شواهد بالینی در حال انباشته شدن است
علیرغم پیچیدگیهای نظارتی و مسئولیت، شواهد بالینی برای جراحی رباتیک با کمک هوش مصنوعی در حال افزایش است. یک مطالعه برجسته در سال ۲۰۲۵ که در Nature Medicine منتشر شد، نشان داد که عملهای لاپاراسکوپی با کمک هوش مصنوعی منجر به نرخ عوارض قابل اندازهگیری کمتر و مدت اقامت کوتاهتر در بیمارستان در مقایسه با جراحی رباتیک معمولی برای کولهسیستکتومی (برداشتن کیسه صفرا) میشود. سیستم هوش مصنوعی ویدئوی جراحی را در زمان واقعی تحلیل میکرد و راهنمایی جهتیابی برای دستیابی به نمای بحرانی ایمنی ارائه میداد — نمای آناتومیکی خاص که قبل از بریدن ساختارهای مجرای صفراوی لازم است، که شایعترین منبع آسیبهای مجرای صفراوی است.
آزمایشهای تصادفی کنترل شده هنوز کمیاب هستند — بیشتر شواهد از مطالعات مشاهدهای و دادههای ثبتشده میآید — اما روند به اندازه کافی سازگار است که سیستمهای بیمارستانی بزرگ حتی بدون شواهد RCT در حال پذیرش سیستمهای با کمک هوش مصنوعی هستند. Johns Hopkins، Mayo Clinic و Cleveland Clinic همگی مشارکتها یا برنامههای آزمایشی با شرکتهای جراحی هوش مصنوعی اعلام کردهاند.
نظر جراحان چیست
استقبال جراحان از کمک هوش مصنوعی متفاوت است و یک شکاف نسلی را آشکار میکند. جراحان با تجربهتر، که با تکنیکهای معمولی آموزش دیدهاند، اغلب راهنمایی هوش مصنوعی را در موارد ساده مزاحم و در موارد پیچیده که ممکن است دادههای آموزشی طیف کامل تنوع آناتومیکی را ثبت نکرده باشند، گمراهکننده میدانند. جراحان دستیار، که در عصر شبیهسازی و بازخورد دیجیتال آموزش دیدهاند، تمایل دارند کمک هوش مصنوعی را به عنوان یک گسترش طبیعی فرآیند یادگیری ببینند.
نگرانی «تحلیل مهارت» واقعی است و در برنامههای آموزشی جراحی جدی گرفته میشود. اگر سیستمهای هوش مصنوعی بیشترین جنبههای شناختی یک عمل را مدیریت کنند، جراحان ممکن است توانایی مدیریت آن جنبهها را در صورت خرابی هوش مصنوعی یا در مواردی که هوش مصنوعی برای آنها آموزش ندیده است، از دست بدهند. هوانوردی با خلبان خودکار با همان سؤال روبرو شد و دههها با آن دست و پنجه نرم کرده است — مهارتهای پرواز دستی به طور محسوسی در هوانوردی تجاری تحلیل رفته است و برنامههای آموزشی برای حفظ آستانههای حداقل صلاحیت بازطراحی شدهاند.
قیاس با هوانوردی از نظر دیگری نیز آموزنده است: مؤثرترین همکاری انسان و ماشین در کابین خلبان از اتوماسیون برای کارهای معمول استفاده میکند در حالی که انسانها برای موقعیتهای غیرمعمول درگیر و در کنترل باقی میمانند. ساختن سیستمهای جراحی هوش مصنوعی با آن فلسفه — پشتیبانی از جنبههای معمول در عین علامتگذاری موقعیتهای غیرمعمول برای توجه بیشتر انسان — اصل طراحی است که به احتمال زیاد هم نتایج بهتر و هم حفظ شایستگی انسانی را به همراه دارد. صنعت رباتهای جراحی به این مدل نزدیک میشود، حتی اگر چارچوبهای نظارتی و مسئولیت هنوز در حال عقبنشینی باشند.